Араки Масахиро - Занимательная манга. Машинное обучение

Занимательное
машинное обучение
Манга

О Б Р А З О В АТ Е Л Ь Н А Я М А Н Г А

ЗАНИМАТЕЛЬНОЕ

МАШ ИННОЕ ОБУЧЕН ИЕ
Араки Масахиро
Художник Ватари Макана
Перевод
А. С. Слащевой

Москва
ДМК Пресс, 2020

УДК 004.4
ББК 32.972
А79

А79

Араки М., Ватари М.
Занимательная манга. Машинное обучение: манга / Араки Масахиро (автор), Ватари Макана (худ.); пер. с яп. А. С. Слащевой. — М.: ДМК Пресс,
2020. — 214 с. : ил. — (Серия «Образовательная манга»). — Доп. тит. л. яп.
ISBN 978-5-97060-830-2
Сотруднику городской администрации Киёхара Кадзума поручено задание,
которое без машинного обучения не выполнить. Под руководством своей давней знакомой Мияно Саяка он осваивает премудрости работы с искусственным
интеллектом – от самых азов до глубокого обучения.
Вместе с героями манги читатели узнают о том, что такое регрессия и как
проводить классификацию, ознакомятся с принципами оценки тестовых данных и особенностями работы нейронных сетей. В заключительной части излагаются методы обучения без учителя.
Издание предназначено для тех, кто начинает знакомство с машинным обучением и освоил математику на уровне первых курсов университета.

УДК 004.4
ББК 32.972
Manga de Wakaru Kikai Gakushu (Manga Guide: Machine Learning )
By Araki Masaxiro (Author), Illustration by Vatari Makana
Published by Ohmsha, Ltd.
Russian language edition copyright © 2020 by DMK Press
Все права защищены. Никакая часть этого издания не может быть воспроизведена
в любой форме или любыми средствами, электронными или механическими, включая
фотографирование, ксерокопирование или иные средства копирования или сохранения информации, без письменного разрешения издательства.

ISBN 978-4-274-22244-3 (яп.)
ISBN 978-5-97060-830-2 (рус.)

Copyright © 2018 by and Office sawa, Ltd.
© Издание, перевод, ДМК Пресс, 2019

Предисловие
В этой книге я представил несколько репрезентативных методов машинного
обучения и попытался по возможности просто изложить их суть. Ее предполагаемая аудитория – те, кто только начинает знакомство с машинным обучением
и уже владеет математикой на уровне первых курсов университета. Но если вы не
дружите с математикой, то можете ознакомиться с разъяснениями в конце каждой главы и примерно понять, какие задачи решаются с помощью этих методов.
Особенность данной книги в том, что в начале каждой главы ставится задача,
а затем постепенно объясняются методы машинного обучения, необходимые для
ее решения. В таблице ниже перечислены задачи и методы, которые будут рассматриваться в каждой главе.
Глава
1
2
3
4
5
6

Задача
Прогноз количества участников
мероприятия
Определение вероятности
заболевания диабетом
Оценка результатов обучения
Сортировка винограда
Определение вероятности
заболевания диабетом (повтор)
Рекомендация события

Метод
Линейная регрессия
Логистическая регрессия, решающее дерево
Метод проверки на резервированных данных,
перекрестная проверка
Сверточная нейронная сеть
Ансамблевые методы
Кластерный анализ, матричное разложение

В каждой главе будет предложено лишь введение в тот или иной метод. Если
вы хотите применить его на практике для решения какой-либо задачи, я советую
обратиться к учебникам, которые указаны в списке рекомендованной литературы
в конце книги.
Наконец, я благодарю всех сотрудников издательства Ohmsha за возможность
написать эту книгу. Я также благодарен г-же Ватари Макана и всем сотрудникам
Уильтэ, которые превратили мою рукопись в веселую мангу.
Июль 2018 года,
Араки Масахиро

V

содержание

ПРЕДИСЛОВИЕ ....................................................................................... V
Пролог
ПОГОВОРИМ О МАШИННОМ ОБУЧЕНИИ ................... 1
В кабинете у Саяка (1). Саяка и старшеклассница Ай ...........................14

Глава 1
ЧТО ТАКОЕ РЕГРЕССИЯ ...............................................................15
1.1. Сложности с прогнозом ..........................................................................16
1.2. Определяем зависимые и независимые переменные ................17
1.3. Находим функцию линейной регрессии ........................................ 20
1.4. Регуляризация результата ...................................................................... 22
В кабинете у Саяка (2). Математическое повторение (1) .................... 34

Глава 2
КАК ДЕЛАТЬ КЛАССИФИКАЦИЮ? ....................................39
2.1. Приводим данные в порядок ............................................................... 46
2.2. Определяем класс данных .................................................................. 47
2.3. Логистическая регрессия ..................................................................... 49
2.4. Классификация по решающему --">